MétaCan
Menu
Retour à la cohorte
Enregistrement W4406575859 · doi:10.1080/13854046.2025.2450020

Differences and contributors to global cognitive performance in the underrepresented Latinx Parkinson’s disease population

2025· article· en· W4406575859 sur OpenAlexaboutno aff
Saar Anis, Henry Mauricio Chaparro-Solano, Thiago Peixoto Leal, Scott A. Sperling, Claire Sonneborn, Camila Piccinin, Miguel Inca‐Martinez, Mario Cornejo‐Olivas, Maryenela Illanes‐Manrique, Pedro Chaná‐Cuevas, P Awad, Ana J. Hernández-Medrano, Amin Cervantes‐Arriaga, Artur Francisco Schumacher Schuh, Carlos Roberto de Mello Rieder, Pedro Braga‐Neto, Antonio Andrei da Silva Sena, Bruno Lopes Santos‐Lobato, Emilia Gatto, César L. Ávila, Vítor Tumas, Maria Paula Foss, Vanderci Borges, Henrique Ballalai Ferraz, Jorge Luis Orozco Vélez, Beatriz Muñoz, Sonia Moreno, David Pineda, Patricio Olguı́n, J.C. Nuñez, Ángel Viñuela, Alan O. Espinal-Martinez, Nicanor Mori, Koni Mejía-Rojas, Angel Medina‐Colque, Ana Lúcia Zuma de Rosso, Celmir de Oliveira Vilaça, Edward Ochoa‐Valle, Iván Cornejo-Herrera, Paula Reyes‐Pérez, Alejandra Lázaro‐Figueroa, Anna Letícia de Moraes Alves, Rubens Gisbert Cury, Hubert H. Fernandez, Ignácio F. Mata

Notice bibliographique

RevueThe Clinical Neuropsychologist · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeCleveland Clinic
Mots-clésCognitionParkinson's diseaseDiseaseGerontologyPsychologyPopulationClinical psychologyDemographyMedicineSociologyPsychiatryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Objective: Despite significant progress in understanding the factors influencing cognitive function in Parkinson’s disease (PD), there is a notable gap in data representation for the Latinx population. This study aims to evaluate the contributors to and disparities in cognitive performance among Latinx patients with PD. Methods: A retrospective analysis was conducted based on cross-sectional data encompassing demographic, environmental, motor, and non-motor disease characteristics from the Latin American Research Consortium on the Genetics of PD (LARGE-PD) and the Parkinson’s Progression Markers Initiative (PPMI) cohorts. Linear regression multivariable models were applied to identify variables affecting Montreal Cognitive Assessment (MoCA) scores, accounting for age, sex, and years of education. Results: The analysis comprised of 3,054 PD patients (2,041 from LARGE-PD and 1,013 from PPMI) and 1,303 Latinx-controls. Latinx-PD patients (mean age 63.0 ± 11.8, 56.8% male) exhibited a significantly lower average MoCA score (p < .001) compared to white Non-Hispanic PD patients from PPMI (mean age 67.5 ± 9.9, 61.7% male). This difference persisted when comparing the Latinx-PD to the Latinx-controls (mean age 58.7 ± 9.3, 33.2% male; p < .001). Factors significantly associated with better MoCA scores in Latinx-PD included unilateral symptom onset (p = .009), and higher educational attainment (p < .001). Conversely, those associated with worse scores included the use of dopamine agonists (p = .01), previous tobacco use (p = .01), older age (p < .001), and a higher Hoehn and Yahr scale score (p < .001). Conclusions: Latinx-PD patients demonstrated significantly lower cognitive scores compared to their white non-Hispanic PD counterparts and Latinx-controls. These results highlight the importance of interpreting MoCA scores in a nuanced manner within diverse populations.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,303

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,069
Tête enseignante GPT0,410
Écart entre enseignants0,341 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Clinical NeuropsychologistMême sujetParkinson's Disease Mechanisms and TreatmentsTravaux en français237 207